ANÁLISE DE ROLAMENTOS AUTOMOTIVOS BASEADA EM REDE NEURAL MÁQUINA DE APRENDIZADO EXTREMO

INTRODUÇÃO: Os rolamentos são componentes essenciais na indústria, como nos setores automotivo, aeronáutico e naval, desempenhando um papel crucial na sustentação e guiamento de cargas em movimento. Na indústria automotiva, são vitais para a operação segura e eficiente de sistemas como rodas, transmissão, motores e suspensões. A análise de rolamentos é essencial para detectar problemas que podem levar a falhas, garantindo segurança e confiabilidade dos veículos. Técnicas de aprendizado de máquina têm se mostrado eficazes na análise de características de rolamentos, permitindo a identificação de padrões complexos e monitoramento em tempo real para a detecção precoce de anomalias OBJETIVOS: Este projeto aplica a técnica de Extreme Learning Machine (ELM) na análise de rolamentos automotivos, utilizando um modelo treinado com dados de rolamentos defeituosos e não defeituosos. Os objetivos específicos incluem a organização e preparação dos dados, treinamento do modelo ELM e avaliação de sua acurácia utilizando métricas como MAE, MSE e R². MATERIAIS E MÉTODO: O ambiente de execução foi configurado no Google Colab, utilizando bibliotecas como Pandas, Seaborn e Matplotlib para manipulação e visualização de dados. O conjunto de dados inclui variáveis de entrada representando diferentes pontos de medição nos rolamentos, como LB1, LB2, LB3, BE-PP, BE-PV, e variáveis internas como BI. A variável de saída “classe de esfera” categoriza os rolamentos, fornecendo informações cruciais para a análise de desempenho. RESULTADOS: A análise de desempenho do modelo ELM apresentou um MSE de 0.31, indicando pequenas previsões de erro. Isso sugere que o modelo está bem ajustado aos dados de treinamento, sendo eficaz na previsão das características dos rolamentos. CONSIDERAÇÕES FINAIS: A aplicação da técnica ELM na análise de rolamentos automotivos mostrou-se promissora, oferecendo uma ferramenta eficaz para a detecção precoce de anomalias e melhoria da segurança e confiabilidade dos sistemas automotivos. O aprendizado de máquina pode revolucionar a manutenção preditiva na indústria automotiva, melhorando a eficiência operacional e a longevidade dos componentes críticos.

PALAVRAS-CHAVE: Aprendizado de máquina; Bearing; Extreme Learning Machine (ELM)